纽约将在4月实施新的人工智能雇佣法
欢迎各位小伙伴来到golang学习网,相聚于此都是缘哈哈哈!今天我给大家带来《纽约将在4月实施新的人工智能雇佣法》,这篇文章主要讲到等等知识,如果你对科技周边相关的知识非常感兴趣或者正在自学,都可以关注我,我会持续更新相关文章!当然,有什么建议也欢迎在评论留言提出!一起学习!
在纽约市有员工的公司还有四个月时间来适应第144号地方法律,这是全美第一部规范人工智能在招聘中使用的法律。该法律于1月1日生效,但该市将执法推迟至4月15日。

144当地法律规定了使用自动就业决策工具(AEDT)的限制,这些工具用来帮助公司进行候选人评估,并协助他们决定聘用谁。该法律直接针对人工智能和人工智能辅助的招聘,并要求AEDT用户由认证审计员进行“偏见审计”,以查看每个工作类别的种族/族裔和性别选择率。
根据法律,专业术语“自动就业决策工具”是指“源自机器学习、统计建模、数据分析或人工智能的任何计算过程,它会发布简化的输出,包括分数、分类或推荐,用于实质性地帮助或替代影响自然人的就业决策的自由裁量决策。”
华盛顿特区BNH.AI律师事务所的联合创始人兼管理合伙人安德鲁·伯特(Andrew Burt)表示,新法律标志着AI与法律交汇的一个转折点。
“这项法律代表了人工智能系统监管方式的结构性转变——这是向一个更大的转变中的第一次,在这个转变中,对人工智能的监管力度加大,使得组织更难部署和使用这些系统。”
伯特继续说道:“总的来说,这种转变是一件好事,需要更多的时间和注意力来最小化人工智能的风险。但目前大多数公司还没有做好应对这一转变的准备,这需要对人工智能系统进行新的更彻底的审查,并对这些系统进行更全面的风险测试。”
纽约市Mintz律师事务所的律师表示,虽然第144号地方法律旨在控制人工智能在招聘中的滥用,但对其新法律要求的广泛解释可能会让更多的公司陷入困境,包括那些正在使用其他计算机化方法的公司。
“虽然法律肯定涵盖了包含人工智能的AEDT,但法律对‘AEDT’的广义定义远远不止于那些利用先进AI的过程,并扩展到利用更基本的分析、排名系统的计算过程和系统。因此,在遵守法律时,雇主应仔细检查所有可能被解释为AEDT的流程。”
在去年10月举行了两轮公开评论和一次听证会后,纽约市消费者和工人保护部(DCWP)于12月中旬决定推迟执法,以便举行第二次公开听证会,以解决公众评论期间提出的众多问题。虽鼓励然公司在1月份遵守新法律,但DCWP在4月中旬之前不会采取任何执法行动,这给了公司额外的15周时间来确定他们的招聘方法是否属于新法律的范围。
Immuta前首席法律顾问伯特表示,第144号地方法律可能是美国第一部监管人工智能的新法律,但肯定不会是最后一部。
新的法规和人工智能监管机制,如纽约市针对就业环境中的人工智能系统的地方市政法律,将使人工智能系统在实践中更难部署——总体上增加了人工智能的合规负担。
“2023年,我们可以预计,许多其他司法管辖区将采用类似的机制,需要对人工智能系统进行更多监督。《2021制止算法歧视法案》很可能是下一个法案,该法案将对人工智能系统进行更全面的监管,随后是其他地方和州一级的努力。所有这些都将在《欧盟人工智能法案》中达到顶峰,该法案对人工智能的影响就像GDPR对隐私的影响一样,对几乎所有全球公司的高管来说,人工智能面临着高度关注的风险。”
以上就是本文的全部内容了,是否有顺利帮助你解决问题?若是能给你带来学习上的帮助,请大家多多支持golang学习网!更多关于科技周边的相关知识,也可关注golang学习网公众号。
ChatGPT 新对手,阿里云大模型“通义千问”开始邀请测试
- 上一篇
- ChatGPT 新对手,阿里云大模型“通义千问”开始邀请测试
- 下一篇
- 人工智能机器人ChatGPT爆火没多久,管理规定就出台了
-
- 要减肥的老虎
- 这篇文章内容太及时了,很详细,太给力了,已收藏,关注老哥了!希望老哥能多写科技周边相关的文章。
- 2023-04-26 04:07:59
-
- 秀丽的荔枝
- 太全面了,收藏了,感谢作者大大的这篇博文,我会继续支持!
- 2023-04-21 23:08:55
-
- 天真的玉米
- 很棒,一直没懂这个问题,但其实工作中常常有遇到...不过今天到这,看完之后很有帮助,总算是懂了,感谢up主分享文章内容!
- 2023-04-20 08:19:58
-
- 科技周边 · 人工智能 | 1小时前 | python · 人工智能 · Transformers apply_chat_template 聊天模板 chat_template 角色标签
- Transformers聊天模板与手写角色标签有什么兼容性差异
- 492浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | PyTorch checkpoint Accelerate 随机数状态 恢复训练
- Accelerate恢复训练时如何保存随机数状态
- 326浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Diffusers怎样使用Generator复现同一张生成图
- 118浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 模型 混合精度 优化器 分布式训练 Accelerate Accelerator.prepare
- Accelerate prepare为什么要同时接收模型与优化器
- 386浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 人工智能 · Hugging Face Datasets streaming IterableDataset Dataset.shuffle shuffle buffer
- Datasets流式读取与内存数据集的shuffle有什么区别
- 130浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- Hugging Face Datasets map怎样同时删除旧字段
- 421浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 |
- PEFT适配器检查点为什么不包含完整基础模型
- 301浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | python · Hugging Face 提示词 Transformers generate input_ids
- Transformers生成结果为什么包含输入提示词
- 111浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | 解码 token Transformers generate 新生成内容
- Transformers怎样只解码新生成的token
- 461浏览 收藏
-
- 科技周边 · 人工智能 | 1小时前 | python · 人工智能 · Transformers offset_mapping 原始文本 Fast tokenizer 文本偏移
- Transformers分词偏移怎样映射回原始文本片段
- 330浏览 收藏
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 463次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 526次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 543次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 492次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 311次使用
-
- 本地大模型反复输出同一句话怎么调整生成参数
- 2026-09-06 501浏览
-
- Python 调用大模型时如何用结构化输出校验 JSON:从解析失败到可重试
- 2026-08-29 501浏览
-
- AI写作工具免费版安装教程(含豆包Clawdbot)
- 2026-05-30 501浏览
-
- WPS AI能自动生成PPT吗?输入主题一键制作演示文稿
- 2026-05-27 501浏览
-
- Canva手机闪退解决方法及适配指南
- 2026-05-25 501浏览

